大数据视域下高职学生个性化学习研究

苏命峰 宁和南

（湖南商务职业技术学院，湖南 长沙410205）

一、引言

“技术引领学习变革，学习回归教育本真”。新信息时代，随着互联网、云计算、大数据、物联网、人工智能等新技术的飞速发展和广泛应用，不断影响和推动学习方式的变革。基于大数据技术的个性化学习，契合“数字教育”的发展变革，实现“教育本真”，以尊重人的个性差异，发展人的个性潜能，弘扬人的生命价值。《国家中长期教育改革和发展规划纲要（2010—2020年）》提出“树立多样化人才观念”和“尊重个人选择，鼓励个性发展”。《教育信息化十年发展规划（2011—2020年）》进一步指出教学变革要在“学生多样化、个性化学习”方面取得突破。《国家教育事业发展“十三五”规划》进一步强调“以学习者为中心”“构建网络化、数字化、个性化、终身化的教育体系”“加强个性化培养”。

研究大数据视域下高职学生的个性化学习，基于教育大数据分析，全面了解高职学生个体差异，根据学生的个性学习特点，采取合适的学习方式，智能推送个性化的学习策略，满足学生个性化的学习需求，以解决当前职业教育发展改革中面临的难题，创新高职人才培养新模式，实现信息技术与职业教育教学实践深度融合创新，有着非常重要的现实意义和应用价值。

二、个性化学习与大数据

个性化学习国内最早源自我国伟大的教育家、思想家孔子的“有教无类”《论语·卫灵公》和“因材施教”《论语·先进篇》思想。老师从每个学生实际情况出发，了解个别差异，有的放矢进行有针对性的差别教学，不管什么学生都可以扬长避短，获得最佳发展，进而消除学生差别。新信息时代背景下，基于大数据技术，结合不断发展的互联网、云计算、人工智能、物联网、虚拟现实、增强现实、情感计算等新技术，为实现精准、科学、高效的个性化学习提供物质条件和技术保障。大数据视域下的个性化学习，尊重每个学生的个性差异，理解每个学生的学习需要，发挥每个学生的学习特长，其依托强有力的大数据分析，统计分析整理学生学习数据，获取每个学生的学习基础，发现学习数据背后的隐性关联，从而全面掌握学生学习情况，智能导学个性化学习内容，进行科学、系统、全面个性化评价。

当前，国内外针对大数据技术对个性化学习的研究越来越多。理论层面，何克抗从“学习者建模”核心理论，“人工智能”“教育数据挖掘”关键技术等系统论述“个性化学习”的理论、技术和方法。岳俊芳等基于个人信息、学习兴趣、学习风格、知识模型等构建远程学习者模型，进行个性化资源推送、个性化学习路径生成，远程督导服务等个性化教学。杨雪等运用头脑风暴法和德乐菲法构建基于大数据的个性化学习体系，让技术归回教育本质。裴莹分析教育大数据的特征，建立基于大数据技术的个性化学习模式，干预和改进学生学习路径。马相春等分析和建模基于大数据的个性化自适应学习系统架构，提出多种群选择的学习路径推荐策略和加权协同过滤的学习资源推送方法。吴战杰基于“学习理论、技术框架、学习模式、资源建设”四要素，提出基于大数据E-learning融合式学习服务功能框架。P Wongthongtham等基于多元智能和模糊本体教育理论提出一种个性化学习系统并进行智能学习推荐。

应用层面，姜强等基于AprioriAll算法进行群体行为分析，挖掘相同学习偏好，研究大数据背景下的精准个性化学习路径，在东北师范大学“C语言程序设计”课程进行实验分析。牟智佳获取分析电子书包中的教育大数据，聚类、细分课程内容学习、交流互动、考试作品、课外学习等，根据布鲁姆教学目标分类学理论和柯氏评估模式构建个性化学习评价模型。李晓庆等在北京市通州区引入“智慧学伴”大数据分析平台，基于学科能力分析为学生、老师、管理者提供个性化的智能服务并应用实践。董君武在上海市市西中学进行个性化学习的实践与成效分析。刁楠楠等在免费师范生教育硕士在线教学中，引入微信进行智慧信息推送的个性化学习应用。兰德公司针对全美62所K-12学校、近1万名学生个性化学习的研究报告，指出实施个性化学习的学生平均阅读与数学能力显著提升。

综上所述，国内外对基于大数据的个性化学习的理论、模型、技术、应用等研究较多，针对高职学生进行个性化学习的研究较少，为此，本文开展大数据视域下面向高职学生的个性化学习研究，分析高职学生学习特点，提出适合高职学生的个性化学习模型，对实施个性化学习提出建议和意见。

三、高职学生个性化学习模式

高职学生生源结构复杂（有普通高中、职业高中/中专学生，有单独和统招学生），相比较本科批次学生，学习成绩分数不占优，学习基础层次不一，学习的主动性有待提升，学习的自觉性有待培养，自主学习能力有待增强。通过单一线上学习和传统课堂教学均难以取得好的学习效果。高职学生思维比较活跃，喜欢动手实践，但理论学习兴趣不高，喜欢利用信息化学习平台和工具，但学习自控力不强。

基于“多元智能”“分布式认知”“建构主义”“以人为本”等个性化教育理论和理念，根据高职学生特点，引入大数据分析技术构建个性化学习模型，如图1所示。

图1 基于大数据的个性化学习模型

1.课前学习

学生登录基于大数据的个性化学习平台，接收老师发布的课前学习任务，自主浏览学习微课视频、录屏、PPT、交互动画等各类学习资源，学习平台实时收集学生点击浏览各项学习资源的时间、先后顺序等学习行为。学生遇到问题时，可以通过平台的“在线交流”模块，与教师和其它学生进行问题答疑、沟通交流。完成课前学习后进行“预习测”。通过平台采集、统计、分析学生预习测成绩，在线交流内容，以及各项学习资源的完成情况，有助于学生了解自己的学习基础和不足，也有助于老师了解学生的知识掌握情况，为班级分层教学、确定课堂的教学难点，安排课中教学进度等提供参考数据。基于大数据的云学习平台还可以在课前学习阶段通过学生基本信息采集、问卷调查等方式，了解学生的详细学习档案，包括学习习惯、学习风格，学习态度、前导课程的学习情况等，对学生进行初步学习“画像”，为接下来的AI智能导学，学习路径预测、个性化学习评价等提供基础数据支撑。

2.课中学习

学生可以通过线上线下进行混合式学习，教师基于大数据的个性化学习平台：可以就教学重点内容发起主题讨论活动，引导学生深入思考，踊跃发言，纳入个性化过程考核；可以针对不同层次的学生，根据每一个讲授的知识点合理安排不同的测试内容，限时进行线上“课中测”，及时了解学生的知识点掌握情况，并对教学进度与安排进行调整；可以将学生分组，进行分组技能PK，分组汇报，分组互评，培养学生独立思考解决问题，同时培养学生分工合作的团队意识和素养；可以发布课中学习任务（作业），并将学生完成的任务（作业）结果上传学习平台，进行自动批改或教师手工批改。此外，教师基于课堂讲授，可以利用电子教室控屏软件广播教学与一对一教学，既提高教学效率，又满足学生差异化教学需要；可以针对学生提出的问题进行手把手指导和一对一解答；还可以互动教学，讨论答疑，教学反馈，课程总结等。课中学习阶段继续采集、统计、分析学生各项学习活动数据，逐步丰富学生的学习“画像”，尝试建立学习者模型和学习资源模型。开始对学生学习行为数据进行AI智能训练，为学生提供个性化的学习内容推送，学习策略建议，学习评价考核等。

3.课后学习

学生每学习完成一个知识模块，在基于大数据的个性化学习平台完成“课后测”，进一步检测知识和技能的掌握程度，测试结束平台自动进行评分，对错题进行重点解析，指出错题对应的知识点，给出建议的学习内容、学习方法、学习时间等。将课后学习阶段产生的学生学习行为数据，继续导入AI智能训练，针对学生推出个性化的错题册（包括错题和与错题相关的其它题型），列入下一个知识模块的课前“预习测”任务中，巩固学习成果。另外，学生在平台上接收、完成并上传其它课后拓展任务，访问专题学习资源，进一步巩固所学知识模块。课后可以进行线上讨论答疑，投票问卷，作品分享、互动游戏。课后学习阶段进一步采集、统计、分析学生拓展学习活动数据，逐步完善、修正学生学习“画像”，完成学习者模型和学习资源模型。进一步对学生学习行为数据进行AI智能训练，为学生预测学习路径、推送学习资源，丰富学习支持，以帮助学生得到学习获得感，提高学习兴趣，增强学习信心。

基于大数据的个性化学习，实时、全面、持续采集学生“课前”“课中”“课后”三个学习阶段的学习活动数据，经过数据统计分析，实现数据可视化，全面、准确、客观掌握、记录、跟踪每位学习者的学生基础、学习特点、学习行为等，通过进一步深度数据挖掘，聚类、分析、建模“学习者模型”和“学习资源模型”，生成学习画像（包括学习能力、学习风格、学习建议等），智能匹配并迭代更新“AI智能导学”“学习路径预测”“学习内容推送”“个性化学习评价”等，为每一位学生提供螺旋上升，层次递进、能力提升的个性化自适应学习路径、学习资源、学习支持、学习评价、学习反馈等。基于大数据的个性化学习为教师提供精准、全面、直观的教学数据（分析），有助于了解教学全过程，更科学、合理、及时实施教学干预，进行教学监控，提升教学效果。同时基于大数据的个性化学习让教育管理者分年级、分专业、分班级，从多个维度全方位了解教师教学情况和学生学习情况，及时发现存在的问题，提前预警异常教学事件，为制定和实施教育决策提供真实数据参考。

四、高职学生个性化学习实施建议

“世界上没有相同的两片树叶”，也没有相同的两个学生，怎样知晓高职学生特点，解决学生之间个体差异，有效实施个性化学习，是新信息时代职业教育需要解决的难题。目前，基于大数据的个性化学习在包括高职教育的各个教育阶段得到一定的推广，取得一定的学习效果，也存在一些问题：（1）个性化学习的观念有待进一步普及。很多高职学院包括教学主管领导、专任教师对个性化学习不甚了解，对个性化学习等教学改革比较抵触，积极性不高，重视度不够，在信息化水平和条件落后的地区更加明显。在年纪偏大且信息化水平差的教师中进行个性化教学改革阻力很大。（2）个性化学习的功能还需进一步完善。在目前基于大数据的个性化学习平台中，其人工智能、情感计算、数据挖掘等功能还有待提升和有机整合，尚不能完全实现自适应的个性化导学，自动化的个性内容推送，智能化的个性学习体验。（3）个性化学习的效果有待进一步提升。基于大数据的学习平台实施个性化学习，还需要实现全过程采集、科学统计、精准分析教学活动数据，对学生、老师和管理者的学习、教学、管理都产生正面、积极、显著的作用和影响，以进一步提升个性化学习效果。怎样解决这些问题，实施建议如下。

1.高职院校层面

高职院校应充分意识到，在新信息技术时代下，基于大数据的个性化学习正在引领职业教育的发展变革。需要根据学校发展定位，结合自身信息化教学水平和条件，制定符合学校自身发展的鼓励个性化学习的一系列政策、制度、措施，将其纳入部门的年度考核、教师的职称晋升和考核评价等。加大智慧校园建设力度，建成能满足个性化学习的信息化教学环境，整合高职院校基础数据资源（图书借阅、门禁出入、食堂消费等一卡通数据），立项基于大数据的云学习平台、智慧课堂等。打破学校之间，学校内部院系之间的信息壁垒，加强优质信息化学习资源跨校、跨院系的协同、调度、共享。“走出去”“引进来”，通过内培外训等方式培训教师，提升老师具备“个性化学习”实施的信息化水平，增强老师个性化教学改革的意识和思维。举办与个性化学习相关的课题研究、教学技能竞赛、教研教改活动等，引导老师进行个性化教学改革与研究。

2.高职老师层面

高职老师要充分认识“个性化学习”作为新信息时代背景下职业教育的新范式，以主动、积极、开放的心态，勇于进行个性化学习的教学改革。通过不断培训学习，提升教师自身数据分析、数据处理等信息化技能和水平，熟悉和掌握基于大数据的个性化学习平台的操作与实施。开展利用移动学习终端（智能手机、平板电脑、笔记本等）、个人电脑、VR/AR等设备，基于云学习空间（蓝墨云、雨课堂、爱课程、世界大学城等）和智慧课堂等载体，采用线上学习、课堂面授、翻转课程等多种教学模式进行个性化教学。“以老师为中心”转变为“以学生为中心”，设计适合学生个性化学习的教学情景、教学任务、教学案例、教学项目等。可以设计“授予勋章”“游戏晋级”“智力闯关”“错题寻宝”等新教学方式和方法，设计全面、系统、科学的个性化学习评价体系，以共同提高学生学习兴趣，促进、引导、激励学生自主、快乐、积极学习。在个性化学习实施中，还需要针对学生异常学习情况，进行实时干预和修正。

3.高职学生层面

高职学生要积极看待基于云计算、大数据、人工智能新信息技术等给个人学习带来的巨大变化和便利，需要转变原来“以老师为主”在课堂听讲被动接收灌输知识的学习思维、学习方式、学习习惯，主动适应新形势下基于大数据的个性化学习。能熟悉掌握各种学习工具（计算机、笔记本、平板电脑、智能手机、AR/VR设备、可穿戴装备等），不断提高利用信息化进行自主学习的能力和水平；能克服网络诱惑主动接收课前、课中、课后学习任务（作业），自主、独立、泛在学习，按时完成各阶段学习任务（作业）；乐于接收个性化学习平台智能推送的学习资源，推荐的学习建议、学习内容等，及时调整自己的学习策略、学习方法、学习方式；就学习过程中遇到的问题、难题、错题，主动和师生进行线上线下交流互动；及时完成预习测、课中测、课后测，为全过程动态个性化评价提供基础数据。

五、结语

“教育兴则国兴，教育强则国强”。大数据视域下的个性化学习，面向学生、教师、管理者，全过程采集个性化的学习数据，动态分析个性化的学习行为，精准预测个性化的学习路径，全面评价个性化的学习成果，科学制定个性化的教育决策，以教育信息化推进教育现代化。基于大数据的个性化学习将“用经验说话”变为“用数据说话”，用数据来帮助管理者进行教育决策；用数据来协助老师科学施教；用数据来帮助学生智能导学，满足学生高质量、个性化、多样化的学习需求，实现学生全面而有个性的发展。本文从理论和应用层面研究国内外基于大数据的个性化学习，分析高职学生特点，构建基于大数据的个性化学习模型，并提出个性化学习实施建议，为兄弟院校个性化学习改革提供思考和借鉴。